- 人工智能 与机器学习 、深度学习的关系:
机器学习,尤其是监督学习则有更加明确的指代。机器学习是专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。
机器学习的实现步骤可以分成两步,训练和预测。这两个专业名词类似于归纳和演绎的含义。归纳是从具体案例中抽象一般规律,机器学习中的“训练”亦是如此。从一定数量的样本(已知模型输入X和模型输出Y)中,学习出输出Y与输入X的关系(可以想象成是某种表达式)。演绎则是从一般规律推导出具体案例的结果,机器学习中的预测亦是如此。
基于训练得到的Y与X之间的关系,遇到新出现的输入X,计算出输出Y。在多数时候,通过模型计算得到的输出,如果和真实场景中的输出一致,说明模型是有效的。
以H为模型的假设,它是一个关于参数 和输入X的函数,用函数 表示。模型的优化目标是使得 的输出与真实值 尽量一致。那么,学习参数的过程就是在已知的样本上,不断减小该评价函数( 与 的差)的过程,直到学习到一个参数 使得评价函数的取值最小。这个衡量模型预测值和真实值差距的评价函数也被称为损失函数(损失 Loss)。上述优化参数的过程如下图公式所示:
百度人工智能学习笔记 L1 概念
猜你喜欢
转载自blog.csdn.net/qq_43156233/article/details/104055735
今日推荐
周排行